CVPRMay, 2023

HuManiFlow: 在 SO (3) 流形上，对祖先进行调整的正则化流，用于人类姿势和形状分布估计

PDF
TL;DR本文介绍了一种名为 HuManiFlow 的方法，利用概率分布和正规化流预测 3D 人体姿态和形状，同时具备准确性、一致性和多样性，解决了估计不明确的问题。
monocular 3dhuman poseshape estimationprobability distributionnormalising flows
发现论文，激发创造
  • 基于归一化流的概率单目三维人体姿态估计

    本文提出了一种基于正规化流的人体 3D 姿态恢复方法，采用多种假设生成可行的 3D 姿势的后验分布，并结合 2D 检测器的不确定性信息建模不确定探测和遮挡，其中学习出的 3D 姿态先验和最优 M 损失的推广是实现成功的关键因素，该方法在人体 3.6M 和 MPI-INF-3DHP 两个基准数据集上优于所有可比方法。

    Jul, 2021

  • 在 SO (3) 流形的乘积空间上进行正则流用于概率人体姿势建模

    在旋转表示中，标准化流已经证明了它们在欧几里得空间中密度估计的功效，但其在各个领域如机器人技术或人体姿势建模中的应用仍未充分探索。我们引入了 HuProSO3，一个在 SO (3) 流形的高维乘积空间上运行的标准化流模型，用于对具有三个自由度的人体关节的联合分布进行建模。通过在三个不同应用中表现出的卓越建模准确性和准确似然度量能力，HuProSO3 相比现有方法具有优势。这项工作不仅解决了在 SO (3) 流形上学习密度的技术挑战，也对需要对相关的 3D 旋转进行概率回归的领域具有广泛的影响。

    Apr, 2024

  • 基于归一化流的弱监督 3D 人体姿态和形状重建

    本文提出了一种基于运动捕捉数据集和大规模图像和视频数据集的半监督和自监督学习方法，利用运动和不同 iable 的语义身体部位对齐损失函数进行训练，来精确地估计单眼三维人体姿态和形状。实验结果证明，该方法优于现有技术，可用于广泛的真实场景。

    Mar, 2020

  • SoftFlow：流形概率归一化流框架

    本文提出了 SoftFlow，一种用于训练流模型的概率框架，能够更好地捕捉流模型的困难维度，并通过应用于三维点云数据，可以更准确地预测各种形状的分布，达到了流模型生成方面的最佳表现。

    Jun, 2020

  • 基于正则流模型的人体姿态异常检测

    本研究通过将视频异常检测问题简化为人体姿势的异常检测，使用一种基于 spatio-temporal graph convolution blocks 的基于正常化流的算法来处理这类数据，并在两个异常检测基准数据集上表现出最先进的结果。

    Nov, 2022

  • ElePose: 通过预测相机高度并在二维姿态上学习归一化流的无监督三维人体姿态估计

    本文提出一种无监督的方法，通过学习从单张图像预测 3D 人体姿态来解决对于许多人类活动尚不存在标注训练数据的挑战，并且采用正则化流和对 2D 和 3D 姿态进行线性子空间投影来提高性能。

    Dec, 2021

  • 基于层级运动学概率分布的野外图像 3D 人体形状和姿态估计

    通过训练深度神经网络，使用人体运动树结构来估计相对 3D 关节旋转矩阵的分层矩阵费舍尔分布（即身体姿态）和 SMPL 身体形状参数的高斯分布，实现了对 3D 人体形状和姿态的分布性预测，能够有效地量化预测不确定性并从中采样出多种可能的 3D 重建形式，从而解释给定的输入图像。

    Oct, 2021

  • 使用数据流形上的标准化流进行外分布检测

    使用低维流形的测度和距离作为离群检测的标准，实验结果表明流形学习改善了归一化流这一类基于似然模型的离群检测能力，而无需修改模型结构或使用训练期间的辅助离群数据。

    Aug, 2023

  • 稠密内在外观流用于人体姿态转移

    该研究提出了一种人体姿势转换的新方法，通过估计稠密和内部的 3D 外观流来更好地指导姿态之间像素的转移，并通过该方法生成了真实的目标姿态图像。

    Mar, 2019

  • ManiPose：约束流形多假设的三维人体姿态估计

    单目三维人体姿态估计是一个具有固有歧义的任务，我们提出了 ManiPose，一种新颖的多假设模型，通过在人体姿势流形内约束模型，提供多组候选三维姿势，并达到更强一致性，从而超越现有的姿势一致性性能。

    Dec, 2023